电容层析成像(ECT)技术是近几年发展较快的一种基于电容敏感机理的过程成像技术,现已成为目前过程层析成像技术发展的主流和研究热点。电容层析成像技术以具有诸多优点:成本低、非侵入性、安全性能好、结构简单、适用范围广等,该技术在解决工业两相流检测问题上有广阔的工业应用前景和巨大的发展潜力。作为ECT系统研究的关键技术,图像重建算法的好坏直接关系着重建图像的质量和速度。支持向量机(SVM)算法具有更严格的理论和数学基础,不存在局部最小问题,具有良好的泛化能力和分类精确性,因此本文选用SVM算法来完成图像重建。SVM的核心计算涉及输入空间的“高维”计算,运算中会出现占用内存多、耗费时间久的问题。一般通过软件进行算法改进来解决上述问题,但受本质是串行的计算机系统的制约,这种方式限制了其在一些实时性要求较高的工业场合中的应用。本文利用FPGA来实现SVM算法,充分借助FPGA内部逻辑单元的并行特征,来达到提高算法运行速度的目的。基于FPGA的支持向量机硬件实现主要分为两部分,即样本数据的训练和决策。其中,训练过程的核心算法采用了利于硬件实现的梯度上升法,并完善了阈值的调整与判定,这样求解出的最优解精度更高。整个训练过程硬件结构选用串行计算并行传输方式,减少了各模块间的时间延迟,提高了运算速度。决策过程主要用来判定测试样本的灰度值,为图像重建做好铺垫。本文以12电极ECT系统为研究对象,通过传感器的工作原理数学模型,研究了油水两相流的流型辨识问题。在基于FPGA的支持向量机算法上对ECT系统中归一化后的样本数据进行了训练和分类,并进行了一系列针对静态性能和动态性能的仿真实验。实验表明该硬件化方法具有成像速度快、成像精度高、占用内存少等优点,为ECT图像重建算法的研究提供了新思路。